眼前节是眼睛晶状体前面的部分,测量和评估眼前节组织对预防各种眼科疾病十分重要。光学相干断层成像（Optical Coherence Tomography,OCT）具有成像分辨率高、成像速度快、无损非侵入成像等特点被广泛应用到眼科成像中。但是眼前节OCT图像中散斑噪声的存在会覆盖或者破坏图像的纹理和边缘信息,严重降低图像质量,不利于临床医学的诊断治疗。与其他图像不同,由于OCT的成像原理和眼组织的特殊结构,造成眼前节结构的边缘模糊,普通算法难以检测。医生通过传统的二维眼前节断层图像,很难对眼组织及病变信息进行观察和诊断。故本文围绕着眼前节OCT图像进行了相关技术的研究。首先,分析了各类OCT系统的成像原理和OCT图像的构成,基于SS-OCT（Swept Source Optical Coherence Tomography）原理,设计搭建了眼前节OCT成像系统。此系统的波长为1310nm,轴向分辨率为12.55μm,在空气中的最大成像深度为18.963mm,扫频速度为50kHz,单幅OCT B-Scan由1024线A-Scan构成,构成单幅OCT B-Scan仅需20.84ms,可以对眼前节快速动态成像。其次,针对眼前节OCT图像中散斑噪声难以去除的特性,本文提出了名为DnOCTNet的散斑噪声去除算法。此算法模型的设计采用了残差学习、空洞卷积连接块、批归一化和修正线性单元等策略,通过预测残差噪声的分布,得到去噪图像。将叠加平均去噪和非局部均值滤波两种算法相结合,获取无噪声的真实值标签,构建可训练的OCT数据集。为评估DnOCTNet算法的去噪性能,将其与NLM、BM3D、K-SVD、OCTNet和DnCNN等表现性能较好的算法进行比较。本文提出DnOCTNet算法从主观视觉角度上以及PSNR、CNR、EPI和SSIM等指标参数上都优于其他算法,对不同的眼前节OCT图像表现出很好的去噪效果,具有良好的泛化能力,并且保留了图像中相关细节纹理信息,有很强的边缘保持能力,能在0.4s内得到降噪结果。再次,为解决眼前节OCT图像因信号强弱不均导致图像边缘模糊难以提取的难题,本文从形态学的角度出发,针对眼前节图像特性,提出了自适应性单尺度多结构元素边缘提取算法。此算法先通过限制对比度的自适应直方图均衡化增强下角膜区域的灰度值信息,构建了 5个不同的3×3大小的结构元素利用抗噪膨胀腐蚀型算子共同参与图像的边缘检测,并设计了每个结构元素对应的自适应权重。为评估算法性能,将其与经典Sobel算法和Canny算法进行比较分析,提出的算法在主观视觉的表现更加优异并且FOM值远高于比较算法,且经过对比度提高后FOM平均值能提高约23%。最后,通过眼前节OCT成像系统对离体猪眼进行实验研究,实验扫描图像采用整体等距离采样,构建了由294张二维眼前节OCT图像组成的三维可视化数据集。接着从体绘制和面绘制两个角度出发,先对经过DnOCTNet去噪模型处理的数据集通过光线投射法进行三维重建,观察眼前节的内部组织形态,再对提取的眼前节轮廓数据集通过移动立方体法构建眼前节的表面模型。设计交互式眼前节四视图,将眼前节的横断面视图、矢状面视图、冠状面视图和三维视图进行同步显示,通过各种用户交互操作,能完整展示整个眼前节的细节结构信息。